Para ello se ha consolidado una colaboración agile end-to-end con el área de datos del operador para la construcción del nuevo DWH, desde el análisis de los orígenes de datos hasta la explotación de los mismos por las áreas usuarias.

La plataforma tecnológica utilizada ha sido Teradata, Exadata, Oracle, PowerCenter y Microstrategy.

Bluetab provee a la totalidad de departamentos del Área de Negocio de Empresas de una operadora Telco los servicios y desarrollos de Reporting con especial foco en el modelo retributivo de agencias, distribuidores y personal interno.

La creación de Datamarts y la automatización de procesos permite la actualización y acceso de la información con una mayor periodicidad facilitando el seguimiento y la toma de decisiones. Además de una mayor fiabilidad en los datos por la uniformización de los orígenes de los mismos. Como norma general las herramientas utilizadas son Teradata, Pentaho y Microsoft Power BI y en menor medida, Talend y publicación en la nube de Azure.

Los bancos deben cumplir con un volumen creciente de requisitos de informes granulares y complejos. Los métodos utilizados para recopilar datos de informes no están completamente armonizados, lo que a menudo conduce a redundancias, solapamientos e inconsistencias en los conjuntos de datos resultantes. En este contexto existe la necesidad de integrar los requisitos de datos estadísticos existentes, en la medida de lo posible, en un marco de información único y estandarizado que sería aplicable en toda la zona del euro y que también podría ser adoptado por otros países europeos, aliviando de esta forma la carga de informes de los bancos y mejorando la calidad de los datos informados a las autoridades.

El alcance del proyecto abarca los principales reportes de supervisión: la recopilación de datos granulares de crédito y de riesgo crediticio del BCE (AnaCredit), las estadísticas de tenencias de valores del BCE (SHS), las estadísticas de partidas del balance de las instituciones financieras monetarias (BSI) del BCE, así como estadísticas de tipos de interés de las instituciones financieras monetarias del BCE (MIR); igualmente se considera como requerimiento otras necesidades, como la balanza de pagos y las cuentas nacionales

Dentro de nuestro contexto como partner tecnológico referente en el ámbito de Data del área de Corporate Investment Banking de una de las principales instituciones financieras españolas que opera en los principales mercados a nivel global; se realiza una enfoque de colaboración tecnológica encaminado a racionalizar el uso de la información adquirida de proveedores externos (Bloomberg,CMA,Markit,S&P,Fitch,Moodys, etc) y repercutir el coste a los consumidores finales en base a la demanda y uso de dicha información. Se obtiene la información de las fuentes originales para proporcionar un dato de la mayor calidad y con el menor coste posible. 

El almacenamiento en el Data-Lake, se realiza a través de la ingesta y normalización de datos desde diversos orígenes, y el modelado y alimentación de la capa de datos Common. La disponibilización de la información se realiza mediante la alimentación de la capa de datos de aplicación (relacional), con el desarrollo de microservicios que exponen estos datos a través de diferentes API (principalmente API Rest convenvional, Bulk y asíncrona para Eventos)

En el contexto de la implementación de una metodología de supervisión basada en riesgos conocida como Marco Integral de Supervisión (MIS) realizamos una colaboración con una de las principales entidades financieras españolas, integrando los riesgos que pueden afectar a  la entidad y permitiendo la construcción y evaluación completa de su perfil de riesgo corporativo aglutinando toda la información propia de las Entidades locales que conforman el grupo financiero.

Con este propósito se realiza un seguimiento mensual de la contribución de los activos del banco, para ello se realizan diferentes procesos corporativos  de extracción, transformación y carga proporcionando una solución a los tiempos de reporting del equipo de presupuestos, debido a la necesidad latente de los usuarios de automatizar su proceso de reporting y traducir su Macro de Excel a un proceso Spark/Scala. 

En este ámbito acompañamos en los principales desarrollos sobre el lago de Big Data, donde los principales usuarios son los departamentos de regulación y riesgos asociados a la creciente necesidad del área de cumplir los diferentes marcos normativos y regulatorios que exigen los legisladores y reservas federales propias de estos mercados. 

Debemos adaptar el Data Lake para ser compliance con la nueva regulación de IOSCO la cual requiere el intercambio de colaterales (IM) entre las entidades que operan con derivados en el momento de la formalización del contrato.  El objetivo principal de este proyecto es proporcionar la información de sensibilidades necesaria para calcular correctamente este Initial Margin y realizar la posterior validación del modelo mediante los cálculos de Backtesting y Benchmarking exigidos por el regulador.